pandas 寻找NaN

在 Pandas 中，可以使用 `isna()` 或者 `isnull()` 方法来寻找 NaN 值。

下面是一个例子：

import pandas as pd
import numpy as np

data = {'A': [1, 2, np.nan, 4, 5],
        'B': [np.nan, 2, 3, np.nan, 6],
        'C': [7, 8, 9, 10, np.nan]}

df = pd.DataFrame(data)

# 使用 isna() 方法来寻找 NaN 值
nan_df = df.isna()

print(nan_df)

输出结果会是一个布尔型的 DataFrame，其中 True 表示对应位置的值为 NaN，False 表示对应位置的值不是 NaN。

希望对你有所帮助！如果你有其他问题，请随时提问。

相关问题

merge pandas 用法

`merge` 是 pandas 中用于合并两个 DataFrame 的方法。其基本语法为：

merged_df = pd.merge(left_df, right_df, on=None, how='inner', left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)

其中，参数说明如下：

- `left_df` 和 `right_df`：要合并的两个 DataFrame；
- `on`：指定用于合并的列名，如果未指定，则会自动寻找两个 DataFrame 中的相同列名进行合并；
- `how`：指定合并方式，有 `inner`、`outer`、`left`、`right` 四种方式，默认为 `inner`；
- `left_on` 和 `right_on`：指定左右两个 DataFrame 中用于合并的列；
- `left_index` 和 `right_index`：是否使用 DataFrame 的索引进行合并，默认为 `False`；
- `sort`：是否按照列名进行排序，默认为 `True`；
- `suffixes`：指定当两个 DataFrame 中存在列名冲突时，自动添加的后缀；
- `copy`：是否复制 DataFrame，建议设为 `True`；
- `indicator`：是否在合并后的 DataFrame 中添加 `_merge` 列，标明每行数据的来源，默认为 `False`；
- `validate`：是否验证合并方式的有效性，默认为 `None`。

下面是一个简单的示例：

import pandas as pd

df1 = pd.DataFrame({
    'key': ['A', 'B', 'C', 'D'],
    'value': [1, 2, 3, 4]
})

df2 = pd.DataFrame({
    'key': ['B', 'D', 'E', 'F'],
    'value': [5, 6, 7, 8]
})

merged_df = pd.merge(df1, df2, on='key', how='outer')
print(merged_df)

运行结果如下：

  key  value_x  value_y
0   A      1.0     NaN
1   B      2.0     5.0
2   C      3.0     NaN
3   D      4.0     6.0
4   E      NaN     7.0
5   F      NaN     8.0

在这个例子中，我们使用 `on` 参数指定了用于合并的列名，使用 `how` 参数指定了合并方式为 `outer`，即保留两个 DataFrame 中的所有数据。最后得到了一个新的 DataFrame，并将其打印输出。

pandas 查找包含非ascii字符的名称

这个问题的意思是如何使用 pandas 查找包含非 ASCII 字符的名称。

答案是可以使用 pandas 中的 str.contains() 函数来进行模糊匹配，同时设置参数 na=False 和 ascii=False，以确保不忽略非 ASCII 字符和 NaN 值。

例如，假设我们有一个包含列名的 DataFrame df，我们可以这样寻找包含非 ASCII 字符的列名：

df.columns[df.columns.str.contains('[^\x00-\x7F]', na=False, ascii=False)]